电商数据运营部组织架构和职能商业案例

电子商务中的数据分析几乎是中大型电商公司的标配（以作者全国走下来的经验来看，几乎没有例外）；有的公司单独成立数据部，有的数据业务放在信息部或者IT部门，有的放在运营部或者与市场部结合如数据推广部，电商数据不论以何种形态存在，其重要性和作用力不容忽视。本文拟讲解“数据运营部”存在的形态以及岗位职能，这个部门通常也是老板的“智囊团”。

一般数据运营部由数据分析师丶DBA丶供应链下单补货（供应链管理）丶页面优化等等方面构成。电商行业刚起步的时候，由于数据量级小和电商规模较小，数据难以发挥重要作用，随着时间的沉淀，数据与业务之间的结合点根本都不需要努力寻找，已经有现成的应用模式。下面逐一介绍下数据运营每一个版块的职能和例子：

PS：绘制上面图形的软件叫visio，专门用来画流程图的，这种软件入门很简单，5分钟差不多，大家都可以学习下，还是有些用处的，尤其做管理的。

DBA：DBA的意思就是DataBase Administrator（数据库管理员），专门负责数据库角色和权限的分配与管理，广告数据丶订单数据丶客户数据丶商品数据等日常导入和维护，并进行一些ETL的动作，同时负责数据库的安全例如备份防止硬盘灾变的发生。该项工作通常只需要1名人力即可（大型平台公司除外），所需要的技能是至少精通一门主流数据库如Oracle丶SQL server丶DB2或者MY SQL等等。数据库优化是一门很有技术含量的工作，直接关系到数据库的运行速度和效率。当然，如果电商企业的规模较小则没有必要配备数据库，用EXCEL搞搞就好了。

页面优化：页面优化乍一听是美工们的事情，还有数据部门什么事情。哎，事情可多了呢！随便举几个例子。例如通过查看页面热力图，知道哪些模块点击率高，哪些点击率低，从而进行增删优化；再比如，应该把符合哪些指标的商品放在首页重要位置，销售额高的？销售量高的？都不是，应该把UV价值高的商品放在重要位置以便价值最大化和更多的曝光机会；再比如，页面长度多少合适？这实际上直接关系到转化率，而此项优化我们根据页面浏览的衰减性进行科学测算；再比如，页面一些商品销量骤然下滑是因为什么原因。如此种种，都可以通过数据分析来进行优化。一般地，此项模块工作，1名人力最多负责两家店铺或者网站，否则工作难以做到细致。

CRM：也就是客户关系管理。之前，有一个年销售额在10亿左右的电商公司IT部门总监跟我说:我感觉CRM用处不大，没什么效果。老实说，我很惊愕，这种规模的电商企业都找不到CRM方向，那么年销售额只有几千万或者几亿的电商企业是不是也会存在这种问题。

CRM方向是“以客户需求为主，以客户人口信息（如地域丶年龄等）为辅”，这是CRM的生死穴，关键点在于客户分群。很多CRM工具包括电商企业操作CRM的第一层是发发短信丶发发邮件丶加加微信等等；更高级一层的第二层是按照所谓的RFM模型把客户分成睡眠客户丶活跃客户丶新客户等等，这种源自线下零售的老掉牙理论存在很多缺陷的地方，根本问题不是以客户为中心。

雪鹰曾经在各种俱乐部或者商学院授课的时候（当然，现在基本不授课，主要是本身水平有限时间有限，而且惶恐误人子弟），就会说到一个案例。比如羽绒服通常在10月底上架，但是实际上8月份就可以把羽绒服上架，商品框定在去年相对热销一点的款型，然后给予一定的折扣，这时候可以用广告定向投放至黑吉辽等北方地区，并且从历史订单中找出北方区域&潜在需求的客户进行短信和EDM营销，效果会不错的。案例虽然极其简单，但是我们做好CRM必须建立在充分理解客户诉求的基础之上。切记！！

广告优化：这个问题不打算耗费很多时间讲解。可以这样说，没有数据支持的广告投放等于在烧钱。数据分析作用于广告方面，用武之地太多了。比如雪鹰老师随便问两个问题：第一，同一个位置投放广告是不是很好？ 第二，ROI越高是不是表明广告投放越成功？对于第一个问题，要分不同情况区别对待，对于大部分卖家，固定一个位置展现广告是比较好的，因为网络群体的忠诚度极低，同一个位置有利于强化客户品牌认同感，这在广告学上叫做“品牌强传播”。

对于第二个问题，看ROI数据，ROI越高通常暗示广告带来的老客户比例也越高，因此从广告的角度来说可能没有产生增量市场。所以，对于成熟电商企业来说，广告ROI保持高位的同时，若广告老客户比例也过分高位（例如60%），那这样的广告策略是需要进行结构性调整的，而对于新品牌只需要看广告ROI一项指标即可。

其实，广告投放是一项很有技术含量的活儿，稍不留神，明明一个亿广告费就能完成年度目标的事情，却花费一亿两千万完成年度GMV。记住，广告投放都是真金白银，即使是老板的钱，即使是投资人的钱也要用心把广告投放策略优化好！大型广告投放需要用到一种叫做“广告投放线性组合优化”的技术，这在雪鹰老师的新书中《电商大数据——用数据驱动电商和商业案例解析》有具体的案例剖析，此处不再赘述（这本书也是雪鹰老师的思想和灵魂的真诚之作，京东发货最快）。这项应用蛮复杂的，后面单独开贴举例说明。

供应链管理：供应链管理是电商企业的命脉所在，过多的呆滞库存对于公司来说是致命的。库存管理最难的是完全草根式从批发市场拿货然后在网店上销售，这种方式利润稀薄且SKU数量过多，目前已经渐渐退出历史舞台，不在我们讨论的范围之内。我们讨论的供应链是面向规模的电商企业。

供应链管理总体原则是柔性化生产，少量多批次，在生命周期内预测追单的时间节点以及大概数量（当然还要考虑起订量）。做好供应链管理需要注意几点：①信息共享，准确，供应商与销售端数据都是打通的；②供应商的特征值以及供应链中经常出现的规则要一点一点加入到供应链系统中去；③相对准确丶有效的数学模型；④库存尽量及时处置，不要等到库存容量过多再去处理，很伤品牌。同时库存处置注意隐蔽性；⑤对库存进行分级，比如按照年限分级，按照品类分级（例如服装类目毛衣要优先处理因为不便于长期存储，鞋子要尽快处理因为占用库房空间大），按照销售量分级（例如销量忒差的要单独拎出来）等等。

在有些情况下，商品销售表现良好且库存不足，但是其生命周期快到了，这时候通常不会再去追单，可以通过提升价格来改变供求关系，不过这种做法的合规性以及用户体验等方面要充分预计到。简而言之，供应链管理是信息化管理，是过程管理，更是数据化管理。电商供应链就是电商数据！！稍微上规模的电商企业，供应链管理需要的数据运营人员至少两名（一般都是团队作业）。

数据分析师：做好数据分析师其实不容易，首先要有一颗公平公正的心，态度认真。对于数据分析师来说，数据的准确性是第一位的，“错误的数据结论对于指导决策来说后患无穷”（某一电商风云大佬的语录）。那么，如何保证数据的准确性：①抽查数据，尤其是最大和最小的数据一定不能放过验证；②交叉检验数据；③ 检查数据来源和出处。

需要说明的是，不是所有人都懂数据，都理解数据。比如业务部门需要一份商品排名的数据报告，但是业务人员看了报告之后反馈说，数据完全是错误的。这时候你去反复检查数据，发现没错啊。问题出在哪里？于是你发起会议找出问题点，这时候追溯发现对于数据的标准不一样。比如业务部门要求是按照最近一周统计销量，你却按照最近一周统计销售额，自然商品的排名不一样。因此，数据统计分析的前提丶环境和标准一定要约定好。这个非常丶非常的重要！

数据分析师的业务要固化下来，与业务部门的做事流程要明确。比如是业务部门自己发现问题去找数据分析师帮忙诊断，还是数据分析师挖掘出可以优化的业务结构提交给业务部门呢？ 这是个重要问题，关键点在于梳理流程。数据分析的人力根据开拓的业务量来决定。